基于改进GA-SVR算法的隧道工程三维弹塑性模型参数的智能辨识.pdfVIP

第 26 卷 第 6 期 岩石力学与工程学报 Vol.26 No.6 2007 年 6 月 Chinese Journal of Rock Mechanics and Engineering June ，2007 基于改进GA-SVR 算法的隧道工程三维弹塑性模 型参数的智能辨识 刘开云，乔春生，刘保国 (北京交通大学 土木建筑工程学院，北京 100044) 摘要：将支持向量回归(SVR)算法引入岩土工程数值计算模型参数的辨识中可以充分发挥 SVR 算法的小样本、泛 化性好和全局最优化的优点。但现阶段标准的 SVR 算法只能解决一维输出变量的回归问题，这就使其在反分析领 域的应用受到限制。引入一种改进的 SVR 算法，这种算法通过将多维输出变量回归转化为多层标准一维输出变量 回归来解决这个问题，并与十进制编码的遗传算法相结合，形成改进的 GA-SVR 算法，用遗传算法有哪些信誉好的足球投注网站最优的 SVR 模型参数以建立最优的待辨识参数与位移之间的非线性映射关系，然后用遗传算法进行待辨识参数的最优辨 识。为对比这种改进 GA-SVR 算法的效果，将遗传算法与 BP 神经网络相结合，形成 GA-BP 算法且编制相应的计 算程序。将这两种算法运用于同样的隧道工程三维弹塑性模型参数的智能辨识，数值算例表明改进的 GA-SVR 算 法较 GA-BP 算法可以取得更高的辨识精度和更好的计算效率，可运用于类似岩土工程计算参数的辨识。 关键词：隧道工程；数值计算；参数辨识；支持向量回归；遗传算法 中图分类号：U 45 文献标识码：A 文章编号：1000 –6915(2007)06 –1164 –09 INTELLIGENCE IDENTIFICATION OF THREE-DIMENSIONAL ELASTOPLASTIC MODEL PARAMETERS IN TUNNEL ENGINEERING BASED ON IMPROVED GA-SVR ALGORITHM LIU Kaiyun ，QIAO Chunsheng，LIU Baoguo (School of Civil Engineering and Architecture，Beijing Jiaotong University ，Beijing 100044，China) Abstract ：The support vector regression(SVR) algorithm has been introduced into parameters identification of numerical model in geotechnical engineering to take advantage of its merits such as small sample ，good generalization and global optimization. But，the standard SVR algorithm can only solve one-dimensional output variable regression problem ，thus restrict its application in back analysis field. In this paper ，an improved SVR algorithm is introduced by decomposing multi-dimension output variables to many one-dimensional output variables ，and then the multi-dimensional output variable regression is